¿Cómo se divide el machine learning?

El aprendizaje automático ya no es solo un subcampo de la informática, los gigantes tecnológicos lo han estado usando durante años, en las recomendaciones de productos de Amazon, en Google Maps y en el contenido de Facebook, Instagram y Twitter que se muestra en las redes sociales.

Las medianas empresas enfrentan muchos desafíos para comenzar a usar Machine Learning y, a veces, es porque no saben exactamente cómo funciona, así que revisemos cómo funciona Machine Learning aquí. Veámoslo como un flujo de trabajo donde se deben completar cada uno de los pasos.

1.2 Aprendizaje automático en una oración ordenada

Cuando busque una definición completa de aprendizaje automático, debe dirigirse a las autoridades líderes en el campo.

En su curso sobre IA, la Universidad de Helsinki define el aprendizaje automático como “sistemas que mejoran su desempeño en una tarea determinada con más y más experiencia o datos”.

Los tres grupos de algoritmos de aprendizaje automático

Después de entender qué es el aprendizaje automático, conviene conocer los tres tipos de algoritmos de aprendizaje automático que existen: supervisados, no supervisados ​​y de refuerzo.

En el aprendizaje supervisado, la máquina se enseña con el ejemplo. Por lo tanto, el operador proporciona al algoritmo de aprendizaje automático un conjunto de datos conocido que incluye las entradas y salidas deseadas, y el algoritmo debe encontrar un método para determinar cómo llegar a estas entradas y salidas.

Como se menciona en la definición de ML, esta área debe crear sistemas que deben poder aprender por sí mismos sin ser programados explícitamente, para predecir eventos futuros, hacer recomendaciones, elemento calificaciones, eventos, etiquetas, etc. Por lo tanto; Tras una fase de aprendizaje, tendremos un «sistema experto» que, dada una determinada entrada, nos proporcionará una salida (predicción, recomendación, clasificación, etc.), como resultado de haber aplicado una función de regresión o clasificación (que debe ser aprendido por el sistema) en los datos de entrada.

Dos ejemplos de sistemas expertos creados tras aplicar alguna(s) técnica(s) de ML serían los siguientes: uno, un sistema experto para predecir quinielas (ranking), que pasa el nombre del equipo local y del equipo visitante , devuelve como resultado una de las tres opciones de pool (1, X, 2); y otro, un sistema experto de cálculo de calorías quemadas (regresión) al correr de forma continua (running), en el que, pasando como input el peso de la persona, el tiempo de carrera y la velocidad, devuelve como resultado el número de calorías quemadas. (0

Clasificación y regresión

Estos son conceptos de aprendizaje automático supervisado. Un sistema de clasificación predice una categoría, mientras que una regresión predice un número.

Un ejemplo de clasificación es el El mencionado spam. Los correos electrónicos se «categorizan» como «spam» o como «legítimos». Otro ejemplo clásico de clasificación en el mundo del aprendizaje automático es la predicción de cancelaciones en, por ejemplo, un servicio telefónico. El caso es detectar patrones de comportamiento de los clientes. que sirven para predecir si irán a la competencia, en este caso los clientes son clasificados como “bajos” o “no bajos”

4 comentarios en «¿Cómo se divide el machine learning?»

  1. ¿Y qué pasa con el aprendizaje no supervisado? ¡No lo olvidemos en esta división!

  2. ¿Y qué tal si combinamos clasificación y regresión para un superalgoritmo de machine learning? 🚀

  3. ¡Interesante debate! ¿Qué grupo de algoritmos crees que es más efectivo en machine learning?

  4. ¿Qué opinan sobre la dominancia de los algoritmos de clasificación en machine learning?

Los comentarios están cerrados.